换一批摘要目的 精准预测建筑物沉降的规律及建筑物的变形.方法 小波神经网络具有良好的时频局域化性质和神经网络的自学习功能.通过小波分解进行平移和伸缩变换后得到的级数,具有小波分解的一般逼近函数的性质,因此可以用来预报.回归分析的方法可以定量地分析出变型设计过程中设计变量与性能指标之间相互依赖的不确定关系,以此揭示出产品性能指标与影响其值变化的设计变量之间的内在关系.对回归分析模型和小波神经网络模型做简单介绍,以宿州市某建筑大楼的沉降点观测数据为例,对2种模型的预测结果进行检验,在变形监测中分析其精度和可行性.结果 回归分析模型预测误差最大值为-0.4 mm,最小值为0.1 mm;小波神经网络模型预测误差最大值为-0.21 mm,最小值为-0.01 mm.结论 通过实例证明了2种模型的可行性,为变形分析中将影响变形的直接因素纳入模型提供了一定的参考.由于不同建筑物的荷载情况等因素的差异,模型的运用可能有一定的局限性,仍需要大量的实例进行验证,在有些情况下需要将荷载因子进行变换,才能获得较好的拟合度.
更多相关知识
分类号
TU196.2
栏目名称
DOI
10.3969/j.issn.1673-1492.2016.05.004
发布时间
2016-08-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
卫星测绘技术与应用国家测绘地理信息局重点实验室开放基金（KLSMTA-201304）
安徽省大学生创新创业训练计划（201510379046）
安徽省大学生创新创业训练计划（201510379084）
卓越人才教育培养计划（szxy2015zjjh01）
宿州区域发展协同创新中心学生开放课题（2015SZXTXSKF11）
宿州学院一般科研项目（2014yyb07）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
